Информационные аналитические системы

УДК
005.5:004(075.8)
ББК
65.291.2с511я73
И74
Серия удостоена диплома в номинации «Лучший издательский проект»
на IV Общероссийском конкурсе учебных изданий для высших учебных заведений
«Университетская книга — 2008»

Печатается по решению Ученого совета
Московского финансовопромышленного университета «Синергия»

Ответственный редактор серии
членкорреспондент Российской академии образования,
доктор экономических наук, профессор Ю. Б. Рубин

Учебник разработан в рамках проекта «TEMPUSECOMMIS»
«Двухуровневые программы обучения по электронной коммерции
для развития информационного общества в России, Украине, Израиле»
Проект финансируется при поддержке Европейской Комиссии

Авторы:
Алексеева Т. В., Амириди Ю. В., Дик В. В., Лужецкий М. Г.,
Павлековская И. В., Хутинаев Д. А.

Рецензенты:
Бубнова Г. В., др экон. наук, профессор;
Уринцов А. И., др экон. наук, профессор, кафедра УЗиПИМ МЭСИ

И74
Информационные аналитические системы : учебник / Т. В. Алексеева,
Ю. В. Амириди, В. В. Дик [и др.]; под ред. В. В. Дика. — М.: Московский
финансовопромышленный университет «Синергия», 2013.— 384с. (Университетская серия).

ISBN 9785425700926

Агентство CIP РГБ

В учебнике рассмотрены сущность, состав и назначение информационноаналитических систем; их внутренняя организация, а также организация внешних взаимодействий. Демонстрируется возможность некоторых инструментов поддержки
принятия решений в рамках BI (OLAPтехнологии и технологии DWH), а также
Business Performance Management (ВРМ).
Все темы сопровождаются выводами, практическими заданиями и контрольными
вопросами.
Книга предназначена для студентов, обучающихся по специальности «Прикладная информатика», и будет полезна студентам бакалавриата и магистратуры, изучающим экономику и менеджмент или обучающимся по программам бизнесшкол
и программам повышения квалификации, а также аспирантам и преподавателям,
занимающимся вопросами интеллектуального и многомерного анализа данных.

УДК 005.5:004(075.8)
ББК 65.291.2с511я73

ISBN 9785425700926

© Коллектив авторов, 2013
© Московский финансовопромышленный
университет «Синергия», 2013

Университетская серия
3

КРАТКОЕ ОГЛАВЛЕНИЕ

Глава 1. Отчетность и анализ — инструменты и функции распознавания
ситуации в процессе принятия решения
. . . . . . . . . . . . . . .
13

Глава 2. Источники данных и хранение информации на предприятии . . . .
63

Глава 3. Инструменты интеграции данных из различных источников . . . . 110

Глава 4. Методология оперативной аналитической обработки данных
. . . 136

Глава 5. Инструментальные средства оперативной аналитической обработки
данных (OLAP)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173

Глава 6. Интеллектуальный анализ данных (Data mining) . . . . . . . . . . . 229

Глава 7. Информационные системы управления эффективностью бизнеса
(ВРМ) и системы Бизнесинтеллекта (BI) . . . . . . . . . . . . . . . 264

Глава 8. Информационнометодический комплекс управления эффективностью бизнеса (ВРМ) на предприятии
. . . . . . . . . . . . . . . . . 309

Университетская серия

ОГЛАВЛЕНИЕ

Введение .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .
8

Глава 1

ОТЧЕТНОСТЬ И АНАЛИЗ — ИНСТРУМЕНТЫ И ФУНКЦИИ
РАСПОЗНАВАНИЯ СИТУАЦИИ В ПРОЦЕССЕ ПРИНЯТИЯ РЕШЕНИЯ

1.1. Формирование аналитической отчетности и цикл принятия решения .  .
13
1.2. Качественные и количественные измерения — основа управления.
Показатели измерения результативности работы предприятия (KPI)
.  .
23
1.3. Единое информационное пространство предприятия — основа его аналитической деятельности .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .
36
1.4. Отображение показателей отчетности в информационном пространстве
предприятия .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .
44
1.5. Компонентная архитектура программных средств хранения данных и их
аналитической обработки в Business Intelligence .  .  .  .  .  .  .  .  .  .  .  .  .
49
Выводы .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .
57
Вопросы для самопроверки .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .
60
Практические задания для закрепления материала .  .  .  .  .  .  .  .  .  .  .  .  .  .
61

Глава 2

ИСТОЧНИКИ ДАННЫХ И ХРАНЕНИЕ ИНФОРМАЦИИ НА ПРЕДПРИЯТИИ

2.1. Способы хранения информации на предприятии и источники данных:
файловое хранение, оперативные базы данных (OLTP) и хранилища данных (DWH) .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .
63
2.2. Принципы построения хранилищ и OLTP баз данных .  .  .  .  .  .  .  .  .  .  .
69
2.3. Свойства и структура хранилищ данных. Виды хранилищ данных .  .  .  .
77
2.4. Технология работы хранилищ данных .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .
88
2.5. Рынок DWH
.  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .
96
Выводы .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 106
Вопросы для самопроверки .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 109
Практические задания для закрепления материала .  .  .  .  .  .  .  .  .  .  .  .  .  . 109

Университетская серия
5

Оглавление

Глава 3

ИНСТРУМЕНТЫ ИНТЕГРАЦИИ ДАННЫХ
ИЗ РАЗЛИЧНЫХ ИСТОЧНИКОВ

3.1. Источники данных для формирования отчетности (централизованный
и децентрализованный способы хранения данных)
.  .  .  .  .  .  .  .  .  .  . 110
3.2. Технологии интеграции данных .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 115
3.3. Рынок средств интеграции приложений .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 128
Выводы .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 134
Вопросы для самопроверки .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 134
Практическое задание для закрепления материала .  .  .  .  .  .  .  .  .  .  .  .  .  . 135

Глава 4

МЕТОДОЛОГИЯ
ОПЕРАТИВНОЙ АНАЛИТИЧЕСКОЙ ОБРАБОТКИ ДАННЫХ

4.1. Специфика оперативной аналитической обработки данных .  .  .  .  .  .  . 136
4.2. Требования Кодда к средствам оперативной аналитической обработки
146
4.3. Сферы применения OLAPтехнологий .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 153
Выводы .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 169
Вопросы для самопроверки .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 170
Практические задания для закрепления материала .  .  .  .  .  .  .  .  .  .  .  .  .  . 171

Глава 5

ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА
ОПЕРАТИВНОЙ АНАЛИТИЧЕСКОЙ ОБРАБОТКИ ДАННЫХ (OLAP)

5.1. Классификация и структура OLAPрешений
.  .  .  .  .  .  .  .  .  .  .  .  .  .  . 173
5.2. Принципы работы OLAPклиента
.  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 179
5.3. Выбор архитектуры OLAPприложения
.  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 192
5.4. Рынок OLAPрешений .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 198
Выводы .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 222
Вопросы для самопроверки .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 225
Практические задания для закрепления материала .  .  .  .  .  .  .  .  .  .  .  .  .  . 226

Университетская серия

Оглавление

Глава 6

ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ (DATA MINING)

6.1. Назначение интеллектуального анализа данных (ИАД) и примеры его
применения в бизнесе
.  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 229

6.2. Технологические этапы проведения интеллектуального анализа данных.
Методы интеллектуального анализа данных
.  .  .  .  .  .  .  .  .  .  .  .  .  .  . 238

6.3. Программные средства интеллектуального анализа данных. Интеграция
оперативного и интеллектуального анализа данных .  .  .  .  .  .  .  .  .  .  . 246

Выводы .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 257

Вопросы для самопроверки .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 260

Практические задания для закрепления материала .  .  .  .  .  .  .  .  .  .  .  .  .  . 261

Глава 7

ИНФОРМАЦИОННЫЕ СИСТЕМЫ УПРАВЛЕНИЯ ЭФФЕКТИВНОСТЬЮ
БИЗНЕСА (ВРМ) И СИСТЕМЫ БИЗНЕСИНТЕЛЛЕКТА (BI)

7.1. Информационные системы управления эффективностью бизнеса (ВРМ)
и системы Бизнесинтеллекта (BI) .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 264

7.2. Определение BPM и BI
.  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 269

7.3. Технологические этапы цикла управления эффективностью бизнеса (BPM) 285

7.4. KPI и ССП в контексте BPM .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 289
Выводы .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 301
Вопросы для самопроверки .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 304
Практические задания для закрепления материала .  .  .  .  .  .  .  .  .  .  .  .  .  . 305

Глава 8

ИНФОРМАЦИОННОМЕТОДИЧЕСКИЙ КОМПЛЕКС УПРАВЛЕНИЯ
ЭФФЕКТИВНОСТЬЮ БИЗНЕСА (ВРМ) НА ПРЕДПРИЯТИИ

8.1. Архитектура, функциональные возможности и компоненты информационных систем управления эффективностью бизнеса
.  .  .  .  .  .  .  .  .  . 309

8.2. Технология внедрения ВРМ
.  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 325

Оглавление

8.3. Характеристика рынка инструментальных средств бизнесинтеллекта,
управления эффективностью бизнеса
.  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 344

Выводы .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 358

Вопросы для самопроверки .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 361

Практические задания для закрепления материала .  .  .  .  .  .  .  .  .  .  .  .  .  . 362

Глоссарий
.  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 363

Литература .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 373

ВВЕДЕНИЕ

Научнотехнический прогресс привел общество к некоторым общим
тенденциям в экономике и информатике. Это дает основание говорить
отом,чтоониимеютобщиекорни.Кэтимтенденциямможноотнеститакие явления, как глобализация, аутсорсинг и желание организационной
зрелости предприятий и государства1.
В сфере информационных технологий глобализация выражается
в возможности реализации распределенных процессов хранения и обработки информации. Кроме того, распространение Application Service Provider (ASP) и Software as a Service (SaaS) аутсорсинга подтолкнуло предприятиякиспользованиюоффшорнойобработкиданных(использование
вычислительных ресурсов, расположенных в странах с оптимальной
юрисдикцией). В информационнотехнологической (ИТ) сфере сложились и другие устойчивые тенденции. Так, например, разработка и использование специализированных методик хранения данных в системах хранения данных (СХД) и в сети; развитие средств удаленной коллективной работы
(collaboration);
снижение
расходов
и
сокращение
времени
на восстановление данных на основе виртуализации; интеллектуализация
информационных систем и информационного поиска; развитие систем
поддержки принятия решений в виде информационных систем (ИС)
Business Intelligence (BI) и Business Performance Management (BPM). Распространение BI и BPM усугубляется в России приходом западного капитала, который использует эти теперь уже привычные информационные
системы; конкуренцией, которая стимулирует предприятия к использованию новейших ИС в надежде получить конкурентные преимущества;
слиянияипоглощения,которыетребуютинтеграцииунаследованныхсистем. Способы интеграции ИС в процессе слияния и поглощения используются разные: например «пусть выживает сильнейший», «все снести» и установить новую ИС, посадить все унаследованные корпоративные информационные системы (КИС) на общее хранилище данных, использовать
ВРМ и его хранилище данных как интегрирующую среду (над Online
Transaction Processing (OLTPбазами)), ну и, конечно, интеграция разнородных информационных систем на основе программных интерфейсов —
«клей».

8
Университетская серия

1 Ведомости. 2011. 31 марта. С. 1.

BIсистемы, пришедшие на смену системам Integrated Performance
Support Systems (IPSS), продолжают интенсивно развиваться. Инновационное развитие предприятия и вообще мода на инновационность стали
основой распространения аналитических инструментов.
В рамках BI строятся модели управления организацией, инструменты
ситуационного управления и разрабатываются технологии формирования групповых решений. Разрабатываются модели самостоятельного
доступа конечных пользователей к необходимым им данным. Совершенствуется функционал BIсистем и качество данных. Использование гетерогенных данных из различных источников требует их интеграции, поскольку могут возникать ошибки ввода, дублирование одного и того же
факта в разных системах (да и в одной), противоречия в данных и их неполнота при недоступности источников.
Однако внедрение BI сдерживают различные факторы — отсутствие
навыков пользователей, организационное сопротивление и цена. Мотивы организационного сопротивления внедрению ИС известны. Но для BI
особенно характерны:
боязнь не справиться с изучением продукта;
боязнь изменения характера работы, которая столь привычна
и комфортна своей рутинностью;
боязнь конкурировать;
боязнь показать реальные данные;
неспособность и неготовность самостоятельно ставить цели
и реализовывать весь цикл принятия решения, что обусловлено
низкой корпоративной культурой, незрелостью первого лица
как менеджера, да и незрелостью менеджмента в организации
в целом.
Генеральный директор компании Contour Components Владимир
Некрасов отмечал три основных аспекта реализации «статистики для
масс»:
куб — данные публикуются в виде многомерного «куба», на который можно смотреть под разными углами;
интерактивность — пользователь задает множество вопросов за
один сеанс работы с данными;
богатая визуализация — таблицы, графики, карты, приборы превращают множество цифр в ясные образы, фокусируя внимание
на главном.

Университетская серия
9

Введение

Пользователь может сам: фильтровать данные, осуществлять декомпозицию агрегатов. Если в статических отчетах таблицы, графики, карты выводятся отдельно и их можно только смотреть как фотографии,
то современные BIтехнологии позволяют все эти визуальные компоненты сделать интерактивными. Елена Горелкина1 к преимуществам Online
Analytical Processing (OLAP) относит то, что интерфейс BIсистемы позволяет пользователям формировать отчеты своими силами в рамках
сформированной специалистами структуры данных; в OLAP обеспечивается нужная степень гранулированности данных, а огромные отчеты по
80–100 показателям, которые долго строятся и неудобны в использовании, в OLAP можно представить эффективнее и информативнее в виде
нескольких отчетов по разным областям.
Инструменты BI позволяют бизнеспользователям самостоятельно создавать многомерные бизнесмодели, оперативно формировать и получать
аналитические отчеты. Повышение эффективности бизнеса, качества управленческих решений проявляется в улучшении понимания бизнеса с точки
зрения факторов, влияющих на результат; использовании синергии BI —
согласованной, достоверной информации; оперативности анализа.
BI остается в числе наиболее приоритетных направлений. По данным
Gartner, в 2010 г. объем рынка BI вырос на 9,7% — до 10,8 млрд долл.
(в 2009 г. — 4,2% до 9,3 млрд долл.). Международными же лидерами
в сфере BI попрежнему остаются такие мегавендоры, как ORACLE, SAP,
IBM, Microsoft и SAS Institute. Прогноз роста рынка BI до 2014 г. составляет 7% в год. При этом, учитывая мировые проблемы роста объемов мобильной информации с 2010 по 2015 г. (объем информации в мобильных
сетях вырастет в 26 раз, а ежегодный объем мобильного трафика будет
возрастать на 75 млрд гигабайт), можно говорить о мобилизации BI2. Количество абонентов мобильной связи в мире достигло 4 млрд человек, сообщает «ПраймТАСС»3 cо ссылкой на GSM Association (Ассоциация
операторов мобильной связи стандарта GSM). Абонентская база мобильных сетей удвоилась за последние 2,5 года: двухмиллиардный абонент
был подключен в июне 2006 г. По прогнозу GSMA, к 2013 г. количество

10
Университетская серия

Введение

1 Горелкина Е. АнализпродажсталосновнымнаправлениемвнедренияBI//PCWeek/Re
[Автоматизация торговли]. 2010. Сент.

2 http://soft.mail.ru/pressrl_page.php?id=41008

3 http://telecom.cnews.ru/